基于ARM平台的流数据挖掘算法功耗研究--以DTW+KNN算法为例
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-11页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文主要内容与结构 | 第10-11页 |
| 2 流数据挖掘系统与基本理论 | 第11-21页 |
| 2.1 流数据挖掘系统框架 | 第11-12页 |
| 2.2 流数据挖掘相关定义 | 第12页 |
| 2.3 相似性度量算法 | 第12-17页 |
| 2.4 分类算法 | 第17-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 DTW-KNN系统框架与优化方法 | 第21-31页 |
| 3.1 DTW-KNN流数据挖掘系统框架 | 第21-22页 |
| 3.2 时间规整路径全局约束 | 第22-23页 |
| 3.3 平方距离排序 | 第23-24页 |
| 3.4 下边界 | 第24-29页 |
| 3.5 提前中断 | 第29-30页 |
| 3.6 多核加速 | 第30页 |
| 3.7 本章小结 | 第30-31页 |
| 4 基于ARM的功耗测量平台设计与实现 | 第31-42页 |
| 4.1 平台架构 | 第31-33页 |
| 4.2 嵌入式计算模块 | 第33-35页 |
| 4.3 电流电压转换模块 | 第35-38页 |
| 4.4 功耗计算模块 | 第38-39页 |
| 4.5 功耗平台精度测试 | 第39-41页 |
| 4.6 本章小结 | 第41-42页 |
| 5 DTW-KNN能耗特性分析与优化 | 第42-50页 |
| 5.1 DTW+KNN能耗特性分析 | 第42-45页 |
| 5.2 DTW+KNN能耗优化 | 第45-49页 |
| 5.3 本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-53页 |
| 6.1 全文总结 | 第50-51页 |
| 6.2 课题展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录1攻读硕士学位期间发表论文目录 | 第58页 |
